DOI: https://doi.org/10.1038/s41377-025-01923-w
PMID: https://pubmed.ncbi.nlm.nih.gov/40701983
تاريخ النشر: 2025-07-24
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: التطورات في تقنيات الفوتوليثوغرافيا
نظرة عامة
تقدم هذه القسم نظرة شاملة على تقنية الطباعة الحجرية العكسية (ILT) كطريقة محورية في الطباعة الحجرية الحاسوبية، خاصةً استجابةً للتحديات المتعلقة بتصغير أجهزة أشباه الموصلات. تستخدم ILT خوارزميات تحسين لإنشاء أنماط قناع تتجاوز تقنيات تصحيح القرب البصري التقليدية. تسلط المراجعة الضوء على دمج الذكاء الاصطناعي (AI) في تعزيز ILT، موضحةً التقدم في دقة النموذج وكفاءة الخوارزميات. كما تتناول التحديات الكبيرة، مثل أوقات التشغيل الحسابية المطولة وتعقيدات كتابة القناع، بينما تقترح حلولاً محتملة مدفوعة بالذكاء الاصطناعي، بما في ذلك الشبكات العصبية التلافيفية (CNNs)، والشبكات العصبية العميقة (DNNs)، والشبكات التنافسية التوليدية (GANs).
في الختام، تؤكد المراجعة على أهمية الذكاء الاصطناعي في تحسين نماذج الطباعة الحجرية وتسريع العمليات الحسابية. على الرغم من التقدم الملحوظ، تواجه التبني الواسع لـ ILT في تصنيع أشباه الموصلات عقبات تتعلق بدقة المحاكاة وكفاءة الحساب وتعقيدات تصنيع القناع. يدعو المؤلفون إلى نهج متوازن لتطوير الطباعة الحجرية الحاسوبية، مع مراعاة عوامل مثل الدقة والكفاءة وقابلية التصنيع. يتم اقتراح اتجاهات بحثية مستقبلية، تركز على دمج محاكاة التصوير الأمامي مع التحسين العكسي واستخدام التعلم العميق القائم على وحدات معالجة الرسوميات لتخفيف الأعباء الحسابية، بهدف فتح إمكانيات ILT لتصميمات التكامل على نطاق واسع من الجيل التالي (VLSI).
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور المحوري للدارات المتكاملة (ICs) في التكنولوجيا الحديثة، التي تدعم أجهزة مثل الهواتف الذكية وأجهزة الكمبيوتر وأنظمة إنترنت الأشياء. وفقًا لقانون مور، فإن مضاعفة كثافات الترانزستورات كل 18 إلى 24 شهرًا تتطلب تقدمًا في الطباعة الحجرية، وهو أمر حاسم لتحقيق دقة أعلى وعائد في تصنيع الدارات المتكاملة. يحدد هذا القسم تقنيات الطباعة الحجرية المختلفة، بما في ذلك الطباعة الحجرية بالليزر الإلكتروني، والطباعة الحجرية ثنائية الفوتون، والطباعة الحجرية بالأشعة فوق البنفسجية الشديدة (EUV)، مع تسليط الضوء على تطور الأبعاد الحرجة (CDs) والتحديات المرتبطة بالحفاظ على الدقة مع تقلص أحجام الميزات إلى نطاق النانومتر.
تناقش الورقة أيضًا أهمية تقنيات تعزيز الدقة (RETs) والطباعة الحجرية الحاسوبية، وخاصةً تقنية الطباعة الحجرية العكسية (ILT)، التي تحسن تصميم القناع من خلال النمذجة العددية. تم الإشارة إلى التقدم الأخير في الذكاء الاصطناعي (AI) لتأثيره التحويلي على الطباعة الحجرية الحاسوبية، مما يعزز دقة النمذجة وكفاءتها من خلال أساليب التعلم الآلي والتعلم العميق. تختتم المقدمة بتحديد تركيز الورقة على التطور التاريخي للطباعة الحجرية الحاسوبية، وتطبيق الذكاء الاصطناعي في تحسين عمليات الطباعة الحجرية، والتحديات التي تواجه تحسين ILT لتصنيع الدارات المتكاملة بكميات كبيرة.
نقاش
يسلط النقاش حول الطباعة الحجرية الحاسوبية الضوء على تطور تقنيات الطباعة الحجرية في تصنيع الدارات المتكاملة (IC)، مع التركيز على الانتقال من طرق التعرض بالاتصال والقرب إلى الطباعة الحجرية الإسقاطية، التي أصبحت المعيار منذ تقديمها في عام 1973. نافذة العملية، وهي عامل حاسم في الطباعة الحجرية، تحدد نطاق معلمات العملية التي يمكن تحملها دون المساس بجودة الناتج. كانت تقنيات تعزيز الدقة (RETs)، بما في ذلك تصحيح القرب البصري (OPC) وتقنية الطباعة الحجرية العكسية (ILT)، محورية في معالجة التحديات التي تطرحها أحجام الميزات المتقلصة وتحسين جودة التصوير. تقدم تطوير الطباعة الحجرية الحاسوبية عبر مراحل مختلفة، من تصحيح القرب البصري القائم على القواعد (RBOPC) إلى تصحيح القرب البصري القائم على النماذج (MBOPC) وأخيرًا إلى ILT، التي تستخدم خوارزميات متقدمة لتحسين القناع.
تظهر النظرة التاريخية لـ ILT بدايتها في أوائل الثمانينيات، مع تحقيق تقدم كبير على مر العقود، بما في ذلك دمج تقنيات التعلم الآلي لتعزيز كفاءة التحسين. على الرغم من مزاياها النظرية، تم استخدام ILT بشكل أساسي لتصحيح النقاط الساخنة بدلاً من تصميمات الشرائح الكاملة بسبب كثافة الحسابات وتحديات قابلية التصنيع. أظهرت التطورات الأخيرة في الذكاء الاصطناعي (AI) وعدًا في تحسين كفاءة ودقة نمذجة الطباعة الحجرية، حيث كانت تقنيات التعلم العميق فعالة بشكل خاص في المهام عالية الدقة. من المتوقع أن يؤدي دمج الأساليب المدفوعة بالذكاء الاصطناعي في الطباعة الحجرية الحاسوبية إلى تعزيز قدرات ILT والتقنيات ذات الصلة، مما يمهد الطريق لعمليات تصنيع الدارات المتكاملة الأكثر كفاءة.
DOI: https://doi.org/10.1038/s41377-025-01923-w
PMID: https://pubmed.ncbi.nlm.nih.gov/40701983
Publication Date: 2025-07-24
Author(s): Zhenyun Du et al.
Primary Topic: Advancements in Photolithography Techniques
Overview
The section provides a comprehensive overview of Inverse Lithography Technology (ILT) as a pivotal method in computational lithography, particularly in response to the challenges of miniaturizing semiconductor devices. ILT utilizes optimization algorithms to create mask patterns that surpass traditional optical proximity correction techniques. The review highlights the integration of artificial intelligence (AI) in enhancing ILT, detailing advancements in model accuracy and algorithmic efficiency. It also addresses significant challenges, such as prolonged computational runtimes and complexities in mask writing, while proposing potential AI-driven solutions, including convolutional neural networks (CNNs), deep neural networks (DNNs), and generative adversarial networks (GANs).
In conclusion, the review emphasizes the importance of AI in refining lithography models and accelerating computational processes. Despite notable progress, the widespread adoption of ILT in semiconductor manufacturing faces hurdles related to simulation accuracy, computational efficiency, and mask manufacturing complexities. The authors advocate for a balanced approach to developing computational lithography, considering factors such as accuracy, efficiency, and manufacturability. Future research directions are proposed, focusing on the integration of forward imaging simulations with inverse optimization and the utilization of GPU-based deep learning to alleviate computational burdens, ultimately aiming to unlock ILT’s potential for next-generation Very Large Scale Integration (VLSI) designs.
Introduction
The introduction of this research paper emphasizes the pivotal role of integrated circuits (ICs) in modern technology, underpinning devices such as smartphones, computers, and IoT systems. As per Moore’s Law, the doubling of transistor densities every 18 to 24 months necessitates advancements in lithography, which is crucial for achieving higher resolution and yield in IC fabrication. The section outlines various lithography techniques, including electron-beam lithography, two-photon lithography, and extreme ultraviolet (EUV) lithography, highlighting the evolution of critical dimensions (CDs) and the challenges associated with maintaining resolution as feature sizes shrink to the nanometer scale.
The paper further discusses the significance of resolution enhancement technologies (RETs) and computational lithography, particularly the inverse lithography technique (ILT), which optimizes mask design through numerical modeling. Recent advancements in artificial intelligence (AI) are noted for their transformative impact on computational lithography, enhancing modeling accuracy and efficiency through machine learning and deep learning approaches. The introduction concludes by outlining the paper’s focus on the historical development of computational lithography, the application of AI in improving lithography processes, and the challenges faced in optimizing ILT for high-volume IC manufacturing.
Discussion
The discussion on computational lithography highlights the evolution of lithography techniques in integrated circuit (IC) manufacturing, emphasizing the transition from contact and proximity exposure methods to projection lithography, which has become the standard since its introduction in 1973. The process window, a critical factor in lithography, defines the range of process parameters that can be tolerated without compromising output quality. Resolution enhancement techniques (RETs), including optical proximity correction (OPC) and inverse lithography technology (ILT), have been pivotal in addressing the challenges posed by shrinking feature sizes and improving imaging quality. The development of computational lithography has progressed through various stages, from rule-based optical proximity correction (RBOPC) to model-based optical proximity correction (MBOPC) and ultimately to ILT, which utilizes advanced algorithms for mask optimization.
The historical overview of ILT reveals its inception in the early 1980s, with significant advancements made over the decades, including the integration of machine learning techniques to enhance optimization efficiency. Despite its theoretical advantages, ILT has primarily been used for hotspot correction rather than full-chip designs due to computational intensity and manufacturability challenges. Recent developments in artificial intelligence (AI) have shown promise in improving the efficiency and accuracy of lithography modeling, with deep learning techniques being particularly effective for high-precision tasks. The integration of AI-driven methods into computational lithography is expected to further enhance the capabilities of ILT and related technologies, paving the way for more efficient IC manufacturing processes.